Mô hình dự báo sớm dịch sốt xuất huyết dựa vào Google Trends tại thành phố Hồ Chí Minh

TẠP CHÍ NGHIÊN CỨU Y HỌC
103TCNCYH 121 (5) - 2019
MÔ HÌNH DỰ BÁO SỚM DỊCH SỐT XUẤT HUYẾT DỰA VÀO 
GOOGLE TRENDS TẠI THÀNH PHỐ HỒ CHÍ MINH
Trần Ngọc Đăng1, Lê Vĩnh Phát2
1Bộ môn SKMT, Khoa YTCC, Trường Đại học Y dược TP.HCM
2Trường Đại học Y Dược TP.HCM
Sốt xuất huyết Dengue (SXHD) là một bệnh truyền nhiễm tác nhân do vi rút truyền qua côn trùng phổ 
biến nhất. Mục tiêu của nghiên cứu là sử dụng nguồn dữ liệu lưu lượng tìm kiếm Google Trends index (GTI) 
xây dựng thành một mô hình có khả năng dự báo sớm dịch sốt xuất huyết tại TP.HCM nhằm mục đích hỗ trợ 
cho công tác giám sát và phòng chống dịch ở khu vực được thêm hiệu quả. Sử dụng phương pháp so sánh 
tương quan để ước tính mối liên hệ giữa GTI tra cứu với cụm từ “sốt xuất huyết” và dữ liệu số mắc SXHD tại 
TP.HCM, sau đó xây dựng một số mô hình dự đoán bằng hồi quy quasi-Poisson kết hợp những phép điều 
chỉnh nhằm loại bỏ sự tự tương quan của số liệu. Nghiên cứu đã cho thấy GTI tương quan cao với số mắc sốt 
xuất huyết với r2 = 0,74 và mô hình cuối cùng được chọn có khả năng dự đoán dịch SXHD tốt với độ chính 
xác là 87%, độ nhạy là 92,3% và độ đặc hiệu là 87%. Mô hình dự báo của chúng tôi cho thấy nguồn dữ liệu 
Google Trends rất có tiềm năng trong việc theo dõi và kiểm soát dịch SXHD ở TP.HCM. Những nghiên cứu sâu 
hơn nữa nhằm đánh giá tính hiệu quả của mô hình trong bối cảnh thực tế cần được thực hiện trong tương lai.
I. ĐẶT VẤN ĐỀ
Từ khóa: Google Trends, mô hình dự báo, hồi quy Poisson, sự tự tương quan, sốt xuất huyết, thành 
phố Hồ Chí Minh.
Sốt xuất huyết Dengue (SXHD) hay thường 
gọi là sốt xuất huyết là một bệnh truyền nhiễm 
cấp tính. Vi rút Dengue được lây truyền chủ 
yếu bởi muỗi cái Aedes aegypti. Tỷ lệ mắc 
SXHD trên toàn cầu tăng lên đáng kể qua 
những thập kỷ gần đây, nó khiến khoảng một 
nửa dân số thế giới đang nằm trong tình trạng 
nguy hiểm và là nguyên nhân hàng đầu gây 
bệnh tật nghiêm trọng thậm chí tử vong ở trẻ 
nhỏ. SXHD được tìm thấy ở khắp các vùng khí 
hậu nhiệt đới và cận nhiệt đới trên toàn thế 
giới, chủ yếu tập trung ở thành thị và bán thành 
thị [1]. Việt Nam nằm trong vành đai nhiệt đới, 
địa hình tự nhiên phức tạp, đồng thời chịu ảnh 
hưởng gió mùa Đông Bắc nên khí hậu luôn 
thay đổi từng năm và từng vùng [2]. Điều đó 
tạo điều kiện thuận lợi cho véc tơ truyền SXHD 
thích nghi, biến đổi và phát triển khó kiểm soát. 
Việt Nam có tỉ lệ mắc SXHD khá cao trong khu 
vực, trong vòng 7 tháng đầu năm 2017 cả nước 
đã ghi nhận 80.555 trường hợp mắc SXHD với 
22 trường hợp tử vong, trong đó số trường 
hợp nhập viện là 69.085 ca. So với cùng kỳ 
năm 2016 (51.742/17) số mắc tăng 33,5%, số 
tử vong tăng 05 ca [3]. Thành phố Hồ Chí Minh 
(TP.HCM) với diện tích nhỏ nhất trong 20 tỉnh 
phía nam nhưng lại có mật độ phân bố dân cư 
thuộc hàng cao nhất nước với 3.927 người/km 
[4], đặc điểm thời tiết đặc trưng của nhiệt đới 
như nhiệt độ nóng ẩm, độ ẩm cao, lượng mưa 
lớn và đặc biệt có một mùa mưa kéo dài 5 - 6 
tháng [5], góp phần tạo điều kiện thuận lợi cho 
Tác giả liên hệ: Trần Ngọc Đăng, Khoa YTCC, Đại 
học Y dược TP.HCM
Email: ngocdangytcc@gmail.com
Ngày nhận: 05/04/2019
Ngày được chấp nhận: 07/05/2019
TẠP CHÍ NGHIÊN CỨU Y HỌC
104 TCNCYH 121 (5) - 2019
véc tơ truyền bệnh SXHD. Thực trạng công tác 
giám sát bệnh truyền nhiễm ở Việt Nam theo 
Thông tư 54/2015/TT-BYT quy định việc tổng 
hợp và báo cáo hàng tuần lên tuyến trên trong 
vòng 24 - 48 giờ sau khi được chẩn đoán [6]. 
Tuy nhiên quy trình này thường mất ít nhất 
một tuần để tổng hợp dữ liệu giám sát và công 
bố các báo cáo liên quan, thêm vào đó là sự trì 
hoãn hay gián đoạn công việc ở các tuyến do 
một số nguyên nhân khách quan và chủ quan 
như thiếu nguồn lực, chính sách đãi ngộ, trang 
thiết bị cơ sở y tế, nên công tác giám sát 
dịch bệnh chưa được linh hoạt. Do đó, cần có 
một mô hình dự báo sớm dịch SXHD ở Việt 
Nam nói chung và TP.HCM nói riêng để hỗ trợ 
công tác phát hiện và kiểm soát dịch bệnh. Cả 
thế giới đang bước sang một cuộc cách mạng 
công nghiệp 4.0 với sự gia tăng nhanh chóng 
trong việc tạo ra các bộ dữ liệu kỹ thuật số 
khổng lồ được tích lũy qua nhiều năm, hay còn 
gọi là dữ liệu lớn (Big Data). Trong lĩnh vực 
chăm sóc sức khỏe, việc khai thác và nghiên 
cứu những dữ liệu có sẵn Big Data để tìm ra 
chiến lược mới tốt hơn dần thu hút được nhiều 
sự chú ý. Cụ thể vào năm 2009, Big Data đã 
ghi điểm trong y học khi Google sử dụng dữ 
liệu Google Trends để phân tích và dự đoán 
xu hướng ảnh hưởng, hướng lan truyền của 
dịch cúm H1N1. Xu hướng mà Google rút 
ra từ những từ khóa tìm kiếm liên quan đến 
H1N1 được chứng minh rất sát với kết quả do 
hai hệ thống cảnh báo cúm là SentinelGP và 
HealthStat đưa ra [7]. Với mong muốn kết hợp 
nguồn dữ liệu Google Trend và công tác dự 
báo dịch, chúng tôi quyết định thực hiện đề tài 
này với mục đích xây dựng một mô hình có 
khả năng dự báo sớm dịch sốt xuất huyết tại 
TP.HCM dựa vào dữ liệu lưu lượng tìm kiếm 
Google Trends index (GTI) để có thể hỗ trợ 
cho công tác giám sát và phòng chống dịch ở 
khu vực được thêm hiệu quả.
II. ĐỐI TƯỢNG VÀ PHƯƠNG PHÁP
1. Thiết kế nghiên cứu
Nghiên cứu tương quan sinh thái (Ecological 
study)
2. Đối tượng:
Số liệu về số ca mắc SXHD hàng tuần được 
thu thập từ hệ thống giám sát bệnh truyền 
nhiễm của Trung tâm Y tế Dự phòng (TTYTDP) 
TP.HCM từ năm 2012-2016. Số liệu được lấy 
phải là số hiệu chỉnh cuối cùng và lưu giữ trong 
hệ thống, nhằm tránh những sai sót như ca 
đã thay đổi chẩn đoán, ca chưa xác định, ca 
trùng, thiếu ca.
Lưu lượng tìm kiếm trên internet với cụm từ 
“sốt xuất huyết” được trích xuất từ ứng dụng 
Google Trends theo tuần từ năm 2012-2016 tại 
TP.HCM (gọi tắt là Google Trends index - GTI), 
tải xuống từ nguồn dữ liệu mở tại trang https://
trends.google.com. Cú pháp nhập ở ô tìm kiếm 
chính xác chỉnh tả cụm từ “sốt xuất huyết”, khu 
vực địa lý là “Việt Nam/ Hồ Chí Minh”, danh 
mục là “Tất cả danh mục” và định dạng tìm 
kiếm là “Tìm kiếm trên web”. Google Trends 
thể hiện chỉ số thống kê theo phần trăm: giá 
trị lưu lượng cao nhất trong khoảng thời gian 
được chọn bằng 100%, thấp nhất bằng 0%, 
các giá trị còn lại được tính theo mốc này. 
Bên cạnh từ khóa tìm kiếm “sốt xuất huyết” 
vẫn còn nhiều từ khóa liên quan khác có thể 
cho ra kết quả thõa mãn nhu cầu mà người 
tìm kiếm đang cần: “bệnh dengue”, “dengue”, 
“sốt dengue”. Tuy nhiên, so sánh lưu lượng tìm 
kiếm của cả 4 từ khóa với nhau trong cùng một 
khoảng thời gian từ năm 2012 - 2016 cho kết 
quả: từ khóa “sốt xuất huyết” chiếm con số áp 
đảo 82%. Bên cạnh đó cụm từ “sốt xuất huyết” 
còn là một danh từ thuần việt, đầy đủ nghĩa 
và không hạn chế đối tượng đọc hiểu. Do đó 
chúng tôi chỉ sử dụng từ khóa “sốt xuất huyết” 
để trích xuất dữ liệu trong nghiên cứu này.
TẠP CHÍ NGHIÊN CỨU Y HỌC
105TCNCYH 121 (5) - 2019
3. Phương pháp
Bất kì dạng chuỗi dữ liệu theo thời gian 
nào đều thường xảy ra hiện tượng tự tương 
quan (Auto Correllation-AC), là một hiện tượng 
các thành phần của một chuỗi các quan sát 
theo thời gian hay không gian tự ảnh hưởng 
lên nhau. Nguyên nhân khách quan thường là 
do tính “quán tính” của số liệu, sự biến động 
của quan sát thứ i có thể tác động vào kỳ thứ 
i + k [8] (k được gọi là độ trễ lag của số liệu). 
Ở nghiên cứu của chúng tôi, biến độ trễ của 
số mắc SXHD được sử dụng để kiểm soát 
sự tự tương quan này. Dùng mô hình hồi quy 
Poisson (có hiệu chỉnh cho sự phân tán số liệu 
over-dispersion bằng quasi-Poisson) để xác 
định mối liên quan của tác động trễ (lag) của 
lưu lượng tìm kiếm GTI với số mắc SXHD sử 
dụng một số biến đổi để loại bỏ sự tự tương 
quan của biến SXHD
Mô hình chung được biểu diễn như sau:
Yt ~ quasi-poisson (µt)
Trong đó: 
Yt: Số ca mắc SXHD được dự đoán của 
tuần t
µt: Số mắc SXHD trung bình dự đoán của 
mô hình Poisson
Lag GTI(t-k): lưu lượng tìm kiếm GTI của 
tuần t với độ trễ k tuần (k = 0, 1, 2, 3)
α, β1, βAC: hệ số hồi quy
Basis TSR: Mô hình tiên lượng nền tảng 
AC - Auto Correlation: sự tự tương quan 
của biến SXHD, lần lượt là phần dư của Yt-1 , 
Yt, logarit của (Yt-1+1)
Sau đó xây dựng mô hình tiên lượng dựa 
trên phân tích đơn biến số ca mắc SXHD và 
lưu lượng tìm kiếm GTI có sử dụng các phép 
biến đổi để loại bỏ sự tự tương quan của biến 
SXHD. Trong nghiên cứu này, tổng cộng chúng 
tôi phân thành 7 mô hình:
1. Basis TSR: mối liên quan tuyến tính 
giữa số ca mắc SXHD và độ trễ 1 tuần của lưu 
lượng tìm kiếm GTI (mô hình nền tảng).
2. Basis TSR + AC: Lag(Residuals,1): mối 
liên quan tuyến tính giữa số ca mắc SXHD và 
độ trễ 1 tuần của lưu lượng tìm kiếm GTI, loại 
bỏ sự tự tương quan của SXHD bằng độ trễ 1 
tuần của phần dư mô hình nền tảng.
3. Basis TSR + AC: Lag(SXH,1): mối liên 
quan tuyến tính giữa số ca mắc SXHD và độ 
trễ 1 tuần của lưu lượng tìm kiếm GTI, loại bỏ 
sự tự tương quan của SXHD bằng độ trễ 1 
tuần của số ca mắc SXHD.
4. Basis TSR + AC: Lag(log(SXH+1),1): 
mối liên quan tuyến tính giữa số ca mắc SXHD 
và độ trễ 1 tuần của lưu lượng tìm kiếm GTI, 
loại bỏ sự tự tương quan của SXHD bằng độ 
trễ 1 tuần của logarit số mắc SXHD cộng 1 
(cộng 1 vào số mắc SXHD nhằm loại bỏ những 
dữ liệu bị giá trị 0).
5. TSR Lag(GTI,2) + AC: 
Lag(log(SXH+1),2): mối liên quan tuyến tính 
giữa số ca mắc SXHD và độ trễ 2 tuần của lưu 
lượng tìm kiếm GTI, loại bỏ sự tự tương quan 
của SXHD bằng độ trễ 2 tuần của logarit số 
mắc SXHD cộng 1.
6. TSR Lag(GTI,3) + AC: 
Lag(log(SXH+1),3): mối liên quan tuyến tính 
giữa số ca mắc SXHD và độ trễ 3 tuần của lưu 
lượng tìm kiếm GTI, loại bỏ sự tự tương quan 
của SXHD bằng độ trễ 3 tuần của logarit số 
mắc SXHD cộng 1.
7. TSR Lag(GTI,0) + AC: 
Lag(log(SXH+1),1): mối liên quan tuyến tính 
giữa số ca mắc SXHD và lưu lượng tìm kiếm 
GTI, loại bỏ sự tự tương quan của SXHD bằng 
độ trễ 1 tuần của logarit số mắc SXHD cộng 1
Mô hình được chúng tôi lựa chọn để dự báo 
là mô hình cho chỉ số phân tán (dispersion) 
log µt =α+β1 Lag GTIt-k+ βACAC 
 = Basis TSR + 𝛽𝛽𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴 
TẠP CHÍ NGHIÊN CỨU Y HỌC
106 TCNCYH 121 (5) - 2019
thấp nhất trong tất cả các mô hình. Chỉ số phân 
tán càng thấp, mô hình dự báo càng tốt [9]. Sự 
có mặt của tự tương quan càng hạn chế bao 
nhiêu là một dấu hiệu cho thấy mô hình tiên 
lượng xây dựng được chuẩn và cho những 
ước lượng tốt bấy nhiêu. Thông thường các 
bài kiểm tra sự tự tương quan thường được 
xem như là kiểm tra sự sai lệch của mô hình. 
Việc loại bỏ hoặc giảm thiểu đến mức thấp 
nhất có thể sự tự tương quan sẽ chứng minh 
được mô hình được lựa chọn có tính dự báo 
cao. Biến tiên lượng lưu lượng tìm kiếm GTI 
được phân thành các nhóm tương ứng với các 
khoảng giá trị bách phân vị < 50, 50 - < 75, 75 
- < 95 và ≥ 95. Sau đó mô hình dự báo đã chọn 
được biểu diễn thông qua các nhóm phân loại 
này. Hệ số ước tính β sau khi tính toán từ mô 
hình được chuẩn hóa và làm tròn thành điểm 
dự báo. Mô hình dự báo dịch được xây dựng 
với biến tiên lượng là biến định lượng lưu 
lượng tìm kiếm GTI, biến kết cuộc là biến nhị 
giá có hai giá trị là: có dịch và không dịch. Dựa 
theo một nghiên cứu cùng mục đích xây dựng 
nên mô hình dự báo dịch SXHD của Phùng Trí 
Dũng và các cộng sự ở Thành phố Cần Thơ, 
tuần được đánh giá là khả năng có dịch khi số 
ca mắc nằm trong khoảng ≥ 95% số ca mắc 
thực tế [10]. Đánh giá khả năng dự báo của 
mô hình dựa vào diện tích dưới đường cong 
ROC (Receiver Operating Characteristic), theo 
đó diện tích dưới đường cong (Area Under 
the Curve – AUC) càng lớn thì mô hình tiên 
lượng càng có khả năng dự báo tốt. Và một 
mô hình có AUC > 0.8 thì có thể được xem 
xét ứng dụng vào thực tiễn[11]. Sử dụng chỉ 
số Youden để tìm ra điểm cắt tối ưu. Chỉ số 
Youden chính là tổng giá trị của độ nhạy và độ 
đặc hiệu, do đó tại điểm cắt có chỉ số Youden 
cao nhất nghĩa là mô hình tại điểm cắt có độ 
nhạy và độ đặc hiệu tối ưu. Tiếp theo, chúng tôi 
tính phần trăm dự báo chính xác của mô hình 
tại điểm cắt tối ưu. 
III. KẾT QUẢ
Từ năm 2012 - 2016, tại TP.HCM có tổng cộng 53.384 ca mắc SXHD được báo cáo. Số mắc 
thường tăng cao vào giữa năm và kéo dài đến cuối năm, không thấy tính chu kì đối với các năm 
xảy ra dịch lớn. Số mắc cao nhất trong khoảng nửa cuối 2015 đến đầu 2016. Biến số lưu lượng tìm 
kiếm GTI giữa năm 2015 đến đầu 2016 và nửa cuối năm 2016 có sự tăng đột biến, theo đó bật ra 
khỏi tính chu kỳ so với các năm trước (Biểu đồ 1).
Biểu đồ 1: Phân bố SXHD và GTI tại TP.HCM năm 2012 đến 2016
Thời gian 
Số
 c
a 
SX
H 
Số mắc SXH theo tuần theo thời gian 
Thời gian 
Lư
u 
lư
ợn
g 
tìm
 ki
ếm
 Lưu lượng tìm kiếm GTI theo tuần theo thời gian 
TẠP CHÍ NGHIÊN CỨU Y HỌC
107TCNCYH 121 (5) - 2019
Lưu lượng tìm kiếm GTI với từ khóa “sốt xuất huyết” theo tuần có tương quan dương với số ca 
mắc SXHD tuần với hệ số tương quan r là 0,74 (KTC 95% 0,68 – 0,79), biểu diễn rõ qua đường 
thẳng màu đỏ - đường hồi quy tuyến tính mối tương quan giữa 2 biến (Biểu đồ 2).
Biểu đồ 2. Phân tán đồ mối tương quan giữa SXHD và GTI
Từ đó cho thấy tỉ lệ biến thiên của lưu lượng tìm kiếm GTI có thể giải thích được 55% số ca mắc 
SXHD. Số ca mắc thực tế và số ca mắc dự đoán được mô tả thông qua 7 mô hình (Bảng 1), và mô 
hình thứ 4 với hệ số tương quan 0,92 (KTC 95% 0,9 – 0,94), hệ số phân tán 18,6 cho biểu đồ thể 
hiện đường dự đoán nắm bắt tốt nhất số ca mắc SXHD thực tế (Biểu đồ 3).
Bảng 1. Thống kê chỉ số phân tích của 7 mô hình
STT Mô hình
Hệ số
hồi quy
SE
Giá trị
Z
Giá trị
P
2,5% 97,5%
Độ 
phân 
tán
1 Basis TSR 0,023 0,001 18,374 <0,001 0,020 0,025 52,6
2 Basis TSR + AC:Lag(Residuals,1) 0,021 0,001 19,788 <0,001 0,019 0,023 32,2
3 Basis TSR + AC:Lag(SXH,1) 0,008 0,001 5,342 <0,001 0,005 0,011 28,5
4 Basis TSR + AC:Lag(log(SXH+1),1) 0,005 0,001 4,494 <0,001 0,003 0,007 18,6
5 TSR Lag(GTI,2) + AC:Lag(log(SXH+1),2) 0,006 0,001 5,049 <0,001 0,004 0,009 22,6
Lưu lượng tìm kiếm GTI 
S
ố 
ca
 S
X
H
Hệ số tương quan r = 0,74 
0 20 40 60 80 100 
0 
 2
00
 4
00
 6
00
 8
00
TẠP CHÍ NGHIÊN CỨU Y HỌC
108 TCNCYH 121 (5) - 2019
STT Mô hình
Hệ số
hồi quy
SE
Giá trị
Z
Giá trị
P
2,5% 97,5%
Độ 
phân 
tán
6 TSR Lag(GTI,3) + AC:Lag(log(SXH+1),3) 0,007 0,001 5,534 <0,001 0,005 0,009 24,4
7 TSR Lag(GTI,0) + AC:Lag(log(SXH+1),1) 0,004 0,001 3,839 <0,001 0,002 0,006 19,0
Biểu đồ 3. Số ca SXH quan sát và số ca SXH dự đoán từ mô hình tốt nhất (Mô hình 4)
Các giá trị phần dư của mô hình thứ 4 được thể hiện qua (Biểu đồ 4). Trong đó các giá trị phần 
dư phân bố đồng đều quanh đường số 0, chứng tỏ mô hình 4 dự đoán rất tốt số ca mắc SXH dựa 
vào dữ liệu GTI. 
Biểu đồ 4. Phần dư của mô hình 4 theo các thời gian trễ (lag)
S
ố 
ca
 S
X
H
 t
he
o 
tu
ần
Tuần 
Basis TSR + AC: Lag(log(SXH+1),1) 
2012 2013 2014 2015 2016 2017 
0 
20
0
40
0
60
0
80
0
Số ca SXH quan sát 
Số ca SXH dự đoán 
Độ trễ 
H
àm
 s
ự
 tự
 tư
ơ
ng
 q
ua
n 
m
ột
 p
hầ
n 
TẠP CHÍ NGHIÊN CỨU Y HỌC
109TCNCYH 121 (5) - 2019
Biến tiên lượng lưu lượng tìm kiếm GTI được phân thành các nhóm tương ứng với các khoảng 
giá trị bách phân vị < 50, 50 – < 75, 75 – < 95 và ≥ 95. Sau đó mô hình dự báo đã chọn được biểu 
diễn thông qua các nhóm phân loại này. Hệ số ước tính β sau khi tính toán từ mô hình được chuẩn 
hóa và làm tròn thành điểm dự báo (Bảng 2).
Bảng 2. Thang điểm dự báo của mô hình
Phân nhóm Hệ số hồi quy KTC 95% Điểm
GTI trễ 1 tuần (%)
 < 19
 ≥ 19 - < 28
 ≥ 28 - < 69,1
 ≥ 69,1
Nhóm nền
0,26
0,5
0,56
1,15 – 1,45
1,45 – 1,88
1,46 – 2,08
26
50
56
Số mắc SXHD trễ 1 tuần (lấy logarit)
 < 5,123964
 ≥ 5,123964 - < 5,585372
 ≥ 5,585372 - < 6,301490
 ≥ 6,301490
Nhóm nền
0,75
1,01
1,43
1,87 – 2,39
2,4 – 3,14
3,49 – 4,98
75
101
143
Dựa theo một nghiên cứu cùng mục đích là xây dựng mô hình dự báo dịch SXHD của Phùng 
Trí Dũng và các cộng sự tại Thành phố Cần Thơ và khu vực Đồng bằng sông Cửu Long, nghiên 
cứu đã chia số quan sát số mắc SXHD theo tuần thành hai nhóm: có dịch và không dịch. Theo đó, 
tuần được đánh giá là có dịch khi số ca mắc nằm trong khoảng ≥ 95% số ca mắc thực tế (≥ 543,7 
ca). Chúng tôi kiểm tra độ chính xác của mô hình dự báo được chọn bằng đường cong ROC với 
kết quả diện tích vùng dưới đường cong ROC (Area Under the Curve) thu được là AUC = 0,969 
với KTC 95% 0,936 – 1, cho thấy khả năng dự báo tốt của mô hình này. Mô hình dự báo tốt nhất ở 
điểm cắt 0,051 (với tổng điểm dự báo là 152), độ chính xác 87%, khi đó độ nhạy của mô hình dự 
báo là 0,923 và độ đặc hiệu là 0,87.
IV. BÀN LUẬN 
Nghiên cứu của chúng tôi đã tìm thấy mối 
liên quan giữa lưu lượng tìm kiếm trên internet 
với cụm từ “sốt xuất huyết” và số mắc SXHD 
thực tế với hệ số tương quan là 0,74 (KTC 
95% = 0,68 - 0,79). Theo đó, mô hình tốt nhất 
có thể dự báo sớm dịch SXHD một tuần với độ 
chính xác là 87% (chỉ số AUC = 0,969). Một 
số nghiên cứu trước cũng sử dụng lưu lượng 
tìm kiếm GTI và đã xây dựng thành công các 
mô hình dự báo dịch bệnh ở Mỹ, Bangkok, 
Singapore, Mexico và Trung Quốc [12 - 18]. Ví 
dụ, nghiên cứu tại Singapore [16] sử dụng GTI 
để dự báo sốt xuất huyết với hệ hố tương quan 
0.931 và giá trị AUC = 0.906. Tuy nhiên một 
nhược điểm của các nghiên cứu trước là sử 
dụng mô hình thống kê rất phức tạp do đó khó 
ứng dụng trong thực tế. Nghiên cứu của chúng 
tôi đã chuyển dịch mô hình thống kê sang dạng 
TẠP CHÍ NGHIÊN CỨU Y HỌC
110 TCNCYH 121 (5) - 2019
điểm số rất đơn giản, do đó gia tăng khả năng 
ứng dụng mô hình vào công tác giám sát và 
phòng chống dịch bệnh thường quy.
Mô hình tốt nhất của chúng tôi ứng dụng 
thực tế có thể dự báo sớm được dịch SXHD 
sẽ xảy ra trong tương lai 1 tuần. Vì tác nhân 
và cơ chế lây truyền giống nhau nên mô hình 
dự báo của chúng tôi có thể được sử dụng để 
theo dõi bệnh do các vi rút Arbo (nhóm A và 
B) thường gặp khác như viêm não Nhật Bản, 
Zika. Một nghiên cứu khác của cùng nhóm tác 
giả đã thành công xây dựng mô hình dự báo 
dịch Zika tại Brazil và Columbia sử dụng GTI 
[19], tuy nhiên một nghiên cứu tương tự cho 
Việt Nam chưa thể áp dụng vì số ca mắc Zika 
của Việt Nam khá thấp.
Nghiên cứu này có hai điểm hạn chế chính: 
Thứ nhất, mô hình của chúng tôi không thể 
áp dụng được ở tuyến xã phường, hoặc quận 
huyện do sự hạn chế về độ phân giải không 
gian của dữ liệu. Hiện nay dữ liệu GTI chỉ cung 
cấp lưu lượng tìm kiếm cho toàn thành phố 
Hồ Chí Minh. Trong tương lai nếu có thể thu 
thập được dữ liệu có độ phân giải không gian 
tốt hơn và kết hợp với hệ thống thông tin địa 
lý (Geographic Information System – GIS) thì 
sẽ cải thiện được mô hình rất nhiều. Thứ hai, 
nghiên cứu này chỉ mang tính chất “thăm dò”, 
cần phải đánh giá lại mô hình trong bối cảnh 
thực tiễn trước khi thực sự áp dụng vào công 
tác dự báo dịch thường quy.
V. KẾT LUẬN
Mô hình dự báo của chúng tôi cho thấy 
nguồn dữ liệu Google Trends rất có tiềm năng 
trong việc theo dõi và kiểm soát dịch SXHD 
ở TP.HCM. Những nghiên cứu sâu hơn nữa 
nhằm đánh giá tính hiệu quả của mô hình trong 
bối cảnh thực tế cần được thực hiện trong 
tương lai.
Lời cảm ơn
Nhóm nghiên cứu xin chân thành cám 
ơn ông Nguyễn Trí Dũng, giám đốc TTYTDP 
TP.HCM và tập thể cán bộ Khoa Kiểm soát 
bệnh truyền nhiễm đã hỗ trợ trong quá trình 
thực hiện nghiên cứu.
TÀI LIỆU THAM KHẢO
1. World Health Organization (2017) 
Fact sheet: Dengue and severe dengue, http://
www.who.int/mediacentre/factsheets/fs117/
en/.
2. Trần Mạnh Thường (2005), Việt Nam 
- Văn hóa và Du lịch, NXB Thông Tấn, 15 - 16.
3. Bộ Y Tế (2017), Cục Y tế dự phòng 
báo cáo tình hình Sốt xuất huyết lên Bộ Y tế, 
Government Document, 16.
4. Cục Thống kê TP.HCM (2015), 
Niên giám Thống kê về Dân số và Lao động, 
Government Document, 19.
5. Viện Vệ sinh Dịch tễ Trung Ương 
(NIHE) (2013) ,Hỏi đáp về dịch bệnh Sốt xuất 
huyết, 
giam-sat-va-phong-chong-dich-benh/hoi-dap-
ve-dich-benh-sot-xuat-huyet/mua-mua-mua-
cua-sot-xuat-huyet-c12320i14654.html.
6. Bộ Y Tế (2015) Thông tư 54 "Hướng 
dẫn chế độ thông tin báo cáo và khai báo 
bệnh, dịch bệnh truyền nhiễm", Government 
Document, 51.
7. Cook S, Conrad C, Fowlkes AL, 
Mohebbi MH (2011), "Assessing Google flu 
trends performance in the United States during 
the 2009 influenza virus A (H1N1) pandemic". 
PloS one, 6(8), e23610, 52.
8. Bhaskaran K, Gasparrini A, Hajat S, 
Smeeth L, et al (2013), "Time series regression 
studies in environmental epidemiology". 
International journal of epidemiology, 42(4), 
1187 - 1195, 79.
TẠP CHÍ NGHIÊN CỨU Y HỌC
111TCNCYH 121 (5) - 2019
9. Imai C., Armstrong B., Chalabi 
Z., Mangtani P et al (2015), "Time series 
regression model for infectious disease and 
weather". Environmental research, 142, 319 - 
327.
10. Phung D., Cunrui H., Shannon R., 
Cordia C et al (2015), "Identification of the 
prediction model for dengue incidence in Can 
Tho city, a Mekong Delta area in Vietnam". 
Acta tropica, 141, 88 - 96.
11. Pencina M.J., D'Agostino R.B., 
Vasan R.S. (2008), "Evaluating the added 
predictive ability of a new marker: from area 
under the ROC curve to reclassification and 
beyond". Statistics in medicine, 27(2), 157 - 
172.
12. Dugas A.F., Jalalpour M., Gel Y., 
Levin S et al. (2013), "Influenza forecasting 
with Google flu trends". PloS one, 8(2), e56176.
13. Ginsberg J., Mohebbi M.H., Patel 
R.S., Brammer L et al (2009), "Detecting 
influenza epidemics using search engine query 
data". Nature, 457(7232), 1012.
14. Gluskin R.T., Johansson M.A., 
Santillana M., Brownstein J.S. (2014), 
"Evaluation of Internet-Based Dengue Query 
Data: Google Dengue Trends ". PLOS 
Neglected Tropical Diseases, 84.
15. Gu Y., Chen F., Liu T., Lv X et al 
(2015) , "Early detection of an epidemic 
erythromelalgia outbreak using Baidu search 
data". Scientific reports, 5, 12649.
16. Althouse B.M., Ng Y.Y., Cummings 
D.A.T. (2011), "Prediction of dengue incidence 
using search query surveillance". PLoS 
neglected tropical diseases, 5(8), e1258.
17. Xu Q., Gel Y.R., Ramirez L.R., 
Nezafati K et al (2017) "Forecasting influenza 
in Hong Kong with Google search queries 
and statistical model fusion". PloS one, 12(5), 
e0176690.
18. Yuan Q., Nsoesie E.O., Lv B., Peng G 
et al (2013) , "Monitoring influenza epidemics 
in china with search query from baidu". PloS 
one, 8(5), e64323.
19. Morsy S., Dang T.N., Kamel M.G., 
Zayan A.H et al (2018): Prediction of Zika-
confirmed cases in Brazil and Colombia using 
Google Trends. Epidemiology & Infection, 
146(13): 1625 - 1627.
Summary
A PREDICTION MODEL FOR DENGUE OUTBREAKS
 IN HO CHI MINH CITY BY USING GOOGLE TRENDS
Dengue Fever (DF) is the most common viral disease transmitted by an insect in the world. 
The objective of this study was to use Google Trends Index (GTI) to build a prediction model 
for Dengue outbreaks in HCMC to support the control and prevention activities in local area. A 
correlation was measured to estimate the association between GTI search with the phrase “sốt 
xuất huyết” and dengue surveillance data in HCMC, which was used to build prediction models by 
using quasi-Poisson regression with some adjustment to eliminate the auto-correlation of the data. 
GTI correlated highly with dengue data with r2 = 0.74 and our final prediction model had a good 
prediction power with the accuracy of 87%, the sensitivity of 92.3% and specificity of 87%. Our 
prediction model shows some potential use in monitoring and controlling the dengue outbreak in 
Ho Chi Minh City. The further study is warranted to test the efficacy of the model in a real context.
Keywords: Google Trends, prediction model, Poisson, auto-correlation, Dengue, Ho Chi 
Minh City.